XiaoMi-AI文件搜索系统
World File Search SystemArti
机器能像道一样流动吗？道家哲学关于人工智能
这个问题可能看起来很奇怪，但它与我们今天的生活直接相关。我的目的是将古老的道家哲学带入关于技术带来的挑战的讨论中。今天，尖端技术不仅存在于研究实验室中，而且已经很容易渗透到我们生活的各个方面。很难说我们还没有生活在一个人工智能 (AI) 的世界，因为它已经成为一种无处不在、有效的技术，融入了日常生活。技术挑战了人类作为人类的意义。想想我们对智能手机的依赖程度，自动驾驶汽车如何重塑我们的社区，机器人如何影响我们的道德社会意义，以及我们的社会价值观如何转变。技术是否构成了生存威胁？我们的价值观、社会和法律都以人为中心，那么人工智能革命会对它们产生什么影响呢？道家哲学为所有这些提供了重要而富有创意的声音。本文将从三个方面讨论这些问题：
意见：通过过程知识，解决和人工智能优化气候模型
摘要。为积极有效的气候变化适应性迫切需要气候建模的加速进度。中心挑战在于准确地表示规模较小但在气候上重要的过程，例如湍流和云形成。这些过程将在可预见的未来明确分解，因此需要使用参数化。我们提出了一种平衡的方法，该方法利用了基于过程的参数化和当代人工智能（AI）的方法（基于AI）的方法来建模子网格规模的过程。此策略采用AI来从观察性和模拟数据中得出数据驱动的封闭功能，这些函数集成在编码系统知识和保护定律的参数化中。另外，增加解决较大比例的小比例过程的分辨率可以帮助改善观察到的气候分布之外的改善和可解释的气候预测的进展。但是，目前可行的水平分辨率仅限于O（10公里），因为更高的分辨率将阻碍建立模型校准和不确定性量化所需的合奏，以进行大气和海洋内部变异性，以及广泛探索和量化气候风险。通过与先进的AI技术协调数十年的科学发展，我们的方法旨在显着提高气候预测的准确性，可解释性和可信度。
你能给我解释一下人工智能吗？教师对人工智能的先入为主的概念
摘要 — 作为教师专业发展 (PD) 计划的起点，本研究全文调查了教师对人工智能 (AI) 的想法和预先概念。随着人工智能在社会中的重要性日益增加，它也正在进入 K-12 课程。然而，在这种背景下，不仅学生面临着新课题，他们的老师也是如此。绝大多数计算机科学教师在学习期间没有接触过人工智能，因此在教授人工智能方面面临着严峻的挑战。因此，教师无疑需要在人工智能领域进行专业发展。按照计算机科学原则专业发展 (PD4CS) 计划的战略，第一步是需要对与各自主题相关的内容知识进行广泛的描述。为此，我们对具有不同经验水平和不同计算机科学先前知识的教师进行了半结构化访谈，以了解人工智能教师会将哪些预先概念带入 PD 计划。在此基础上，结合从专家和人工智能参考书中收集的知识体系，确定教师所需的人工智能内容知识。使用基于 Mayring 文本分析的定性方法分析了半结构化访谈。为了应对编码者之间的低一致性，我们使用了 Campbell 和 Quincy 描述的方法。对编程先前知识的调查表明，这些知识对参与者的误解有显著影响。Bonar 和 Soloway 认为先前知识的差距是造成这种情况的原因之一。我们的研究结果表明，先前知识在人工智能领域也有类似的影响。这带来了一个问题，因为我们的参与者是教师，他们自己将成为人工智能讲师，可能会将某些误解传递给学生。因此，准确识别和描述教师的知识差距是提供合适且成功的专业发展计划的重要起点。索引术语——人工智能、K-12 计算机科学教育、教师专业发展
可解释的人工智能：评估 xAI 对人机交互的客观和主观影响
摘要 智能代理必须能够传达意图并解释其决策过程，以建立信任、培养信心并改善人机团队动态。认识到这一需求，学术界和工业界正在迅速提出新的想法、方法和框架，以帮助设计更可解释的人工智能。然而，仍然没有标准化的指标或实验协议来对新方法进行基准测试，研究人员只能依靠自己的直觉或临时方法来评估新概念。在这项工作中，我们提出了第一个全面的（n=286）用户研究，测试了可解释机器学习的广泛方法，包括特征重要性、概率分数、决策树、反事实推理、自然语言解释和基于案例的推理，以及没有解释的基线条件。我们提供了可解释性对人机团队影响的第一个大规模实证证据。我们的研究结果将通过强调反事实解释的好处和可解释性置信度得分的缺点，帮助指导可解释性研究的未来。我们还提出了一种新颖的问卷，用于衡量人类参与者的可解释性，该问卷受到相关先前工作的启发，并与人机协作指标相关联。
放射技师对人工智能与诊断成像新兴融合的看法：加纳研究
简介：人工智能 (AI) 系统与医学成像的结合正在推动实践和患者护理的发展。人们认为，在不久的将来，它将进一步彻底改变整个领域。本研究探讨了加纳放射技师对 AI 与医学成像结合的看法。方法：在 3 个月内（2020 年 2 月至 4 月），对注册的加纳放射技师进行了一项横断面在线调查。该调查寻求与人口统计、对 AI 的总体观点和实施问题有关的信息。使用描述性和推断性统计数据进行数据分析。结果：回复率为 64.5% (151/234)。大多数受访者（n = 122，80.8%）同意 AI 技术是医学成像的未来。其中相当一部分人（n = 131，87.4%）表示 AI 将对医学成像实践产生总体积极影响。然而，一些人表达了对人工智能相关错误的担忧（n = 126，83.4%），而其他人则表达了对工作保障的担忧（n = 35，23.2%）。高设备成本、缺乏知识和对网络威胁的恐惧被确定为阻碍人工智能在加纳实施的一些因素。结论：参与本次调查的放射技师对人工智能融入医学成像持积极态度。然而，人们担心与人工智能相关的错误、工作流失和减薪，需要解决这些问题。缺乏知识、高设备成本和网络威胁可能会阻碍人工智能在加纳医学成像中的实施。这些发现可能与大多数资源匮乏的国家相当，我们建议进行更多的教育以提高人工智能在实践中的可信度。
放射技师对人工智能与诊断成像新兴融合的看法：加纳研究
简介：人工智能 (AI) 系统与医学成像的结合正在推动实践和患者护理的发展。人们认为，在不久的将来，它将进一步彻底改变整个领域。本研究探讨了加纳放射技师对 AI 与医学成像结合的看法。方法：在 3 个月内（2020 年 2 月至 4 月），对注册的加纳放射技师进行了一项横断面在线调查。该调查寻求与人口统计、对 AI 的总体观点和实施问题有关的信息。使用描述性和推断性统计数据进行数据分析。结果：回复率为 64.5% (151/234)。大多数受访者（n = 122，80.8%）同意 AI 技术是医学成像的未来。其中相当一部分人（n = 131，87.4%）表示 AI 将对医学成像实践产生总体积极影响。然而，一些人表达了对人工智能相关错误的担忧（n = 126，83.4%），而其他人则表达了对工作保障的担忧（n = 35，23.2%）。高设备成本、缺乏知识和对网络威胁的恐惧被确定为阻碍人工智能在加纳实施的一些因素。结论：参与本次调查的放射技师对人工智能融入医学成像持积极态度。然而，人们担心与人工智能相关的错误、工作流失和减薪，需要解决这些问题。缺乏知识、高设备成本和网络威胁可能会阻碍人工智能在加纳医学成像中的实施。这些发现可能与大多数资源匮乏的国家相当，我们建议进行更多的教育以提高人工智能在实践中的可信度。
分析机器学习、机器人和人工智能在数字营销中的作用
本研究基于人工智能、机器学习和机器人技术可能取代身体和认知活动的假设，利用描述性研究技术探索了人工智能 (AI) 在数字营销中的作用。通过对与营销和人工智能相关的各个领域的专业人士的调查，发现人工智能对营销运营有影响，并且未来会产生更大的影响。通过将新的数据驱动方法整合到数字营销策略中，指数级的技术进步为战略优势提供了机会。通过从大量生成的数据中吸取教训，机器学习 (ML) 可以预测未来事件并帮助决策。此功能对企业的战略决策过程具有重大影响并简化了企业战略决策过程。根据研究需求评估，人们对营销人员对 ML 技术的态度和理解以及它们在支持运营和战略管理方面的采用和使用知之甚少。智能机器人和技术是互联网营销的理想选择。每个人都同意这一点。他们可以确定消费者的需求，定制产品，简化内容创建，收集大量数据，并将其应用于业务选择。版权所有 2021 Elsevier Ltd. 保留所有权利。选择和同行评审由 2021 年国际应用研究与工程会议科学委员会负责
人工智能：理解知识产权：深入分析版权和人工智能带来的挑战
放眼海外，英国允许将作品的创作者 ''›”‹‰Š– –' •—„•‹•– ‹ Ǧ…”‡ƒ–‡† ™'” • „› ƒ––”‹„—–‹ ‰ ƒ—–Š'”•Š‹' 归属于作品的创作者 ƒ”–‹ϐ‹…‹ƒŽŽ› ‹ –‡ŽŽ‹‰‡ – ƒ…Š‹ ‡ '” ' '—–‡” '”'‰”ƒ Ǥ ‡…–‹' ͻȋ͵Ȍ 根据英国 1988 年版权、外观设计和专利法 (CDPA) 的规定，作品的作者 ‹• Dz…' '—–‡”Ǧ‰‡ ‡”ƒ–‡†dz •ŠƒŽŽ „‡ –ƒ ‡ –' „‡ –Š‡ '‡”•' Dz„› ™Š'的作品”。‡…–‹' ͳͺ 'ˆ –Š‡ ˆ—”–Š‡” †‡ϐ‹ ‡• ƒ …' '—–‡”Ǧ‰‡ ‡”ƒ–‡† ™'” ƒ• ' ‡ –Šƒ– Dz‹• ‰‡ ‡”ƒ–‡† „› 计算机，在这种情况下，作品并没有人类作者”。
使用人工智能自动评估造口周围皮肤变色和渗漏面积
对于接受造口术的患者来说，造口周围皮肤并发症 (PSC) 是术后最常见的挑战。PSC 的一个视觉症状是造口周围皮肤变色（发红），这通常是由于造口输出物漏到底板下造成的。如果不加以治疗，轻微的皮肤病可能会发展成严重的疾病；因此，密切监测变色和渗漏模式非常重要。造口皮肤工具是目前最先进的造口周围皮肤评估工具，但它依赖于患者定期拜访医疗保健专业人员。为了能够长期密切监测造口周围皮肤，需要一种不依赖于预约咨询的自动化策略。多个医疗领域已经实施了基于人工智能的自动图像分析，这些深度学习算法已越来越被认为是医疗保健领域的宝贵工具。因此，本研究的主要目标是开发深度学习算法，以提供对造口周围皮肤变色和渗漏模式变化的自动、一致和客观的评估。总共使用了 614 张造口周围皮肤图像来开发变色模型，该模型预测变色的造口周围皮肤面积的准确率为 95%，精确度和召回率分别为 79.6% 和 75.0%。基于 954 张产品图像开发了预测泄漏模式的算法，确定泄漏面积的准确率为 98.8%，精确度为 75.0%，召回率为 71.5%。综合起来，这些数据首次展示了人工智能在自动评估造口周围皮肤变色和泄漏模式变化方面的应用。
简短报告使用人工智能算法实现医疗相关感染的自动化监测
医院相关感染 (HAI) 是医院中最常见的不良事件之一。我们在一项队列研究中使用人工智能 (AI) 算法进行感染监测。该模型正确检测出 73 名 HAI 患者中的 67 名。最终模型使用多层感知器神经网络，实现了 90.27% 的受试者工作曲线下面积 (AUROC)；特异性为 78.86%；灵敏度为 88.57%。呼吸道感染的效果最好 (AUROC 93.47%)。AI 算法可以识别大多数 HAI。AI 是一种可行的 HAI 监测方法，具有节省时间、促进准确的全院监测和提高感染预防绩效的潜力。ª 2021 作者。由 Elsevier Ltd 代表医疗感染协会出版。这是一篇根据 CC BY-NC-ND 许可协议 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 开放获取的文章。